SEC4SR：面向说话人识别的安全分析平台
密码学与安全
2021-09-07 v1 机器学习
多媒体
声音
音频与语音处理
摘要
对抗攻击已扩展至说话人识别（SR）。然而，现有攻击常使用不同的 SR 模型、识别任务与数据集进行评估，且仅考虑了少数从计算机视觉借用的对抗防御。但这些防御尚未针对自适应攻击进行充分评估。因此，对于对抗攻击与防御的优势及局限仍缺乏定量认识。保护 SR 系统也需要更有效的防御。为弥补这一差距，我们提出 SEC4SR，首个使研究者能够系统且全面地评估 SR 中对抗攻击与防御的平台。SEC4SR 集成了 4 种白盒与 2 种黑盒攻击、24 种防御（包括我们新颖的特征级变换），并包含实施自适应攻击的技术。利用 SEC4SR，我们开展了迄今 SR 中最大规模的对抗攻击与防御实证研究，涉及 23 种防御、15 种攻击与 4 种攻击设定。我们的研究提供了诸多可推进未来研究的有用发现：例如（1）所有变换在良性样本上均轻微降低准确率，且其有效性随攻击而异；（2）多数变换在自适应攻击下有效性下降，但部分变换有效性上升；（3）少数变换结合对抗训练可在部分（而非全部）攻击上产生更强防御，而我们的特征级变换结合对抗训练在所有攻击上均产生最强防御。大量实验证明了 SEC4SR 的能力与优势，可裨益 SR 的未来研究。
引用
@article{arxiv.2109.01766,
title = {SEC4SR: A Security Analysis Platform for Speaker Recognition},
author = {Guangke Chen and Zhe Zhao and Fu Song and Sen Chen and Lingling Fan and Yang Liu},
journal= {arXiv preprint arXiv:2109.01766},
year = {2021}
}